WaterVIB：基于变分信息瓶颈学习最小充分水印表示

鲁棒水印对于知识产权保护至为关键，而现有方法面临严重的针对再生成型 AIGC 攻击的脆弱性。我们指出，现有方法之所以失败，是因为它们将水印与高频覆盖纹理 entangled 在一起，这些纹理在生成式净化过程中容易被重写。为此，我们提出 WaterVIB——一个在变分信息瓶颈框架下 reformulate 编码器的框架。该方法将编码器定义为信息筛子，而非对脆弱的覆盖细节进行过拟合。我们的做法迫使模型学习消息的最小充分统计量（Minimal Sufficient Statistic），从而有效过滤掉易受生成式变化影响的多余覆盖细节，仅保留对再生成不变的关键信号。我们理论上证明，优化该瓶颈是抵抗分布迁移攻击的必要条件。大量实验表明，WaterVIB 在抵抗未知基于扩散的编辑方面，显著优于最新方法，实现卓越的零样bertility。